写作与记录

文章

博客以介绍为主，不求甚解：先认识一个概念、方法或工具，建立大致的理解。

2026/09/27

从卷积核、注意力投影和前馈网络，到 ViT 的 patch embedding、LoRA 与 Adapter，掌握主流模型参数量的估算方法。

#模型参数量#CNN#Transformer#ViT#LoRA#Adapter

2026/09/26

从跨层金字塔、双向路径、可学习加权，到层内多尺度上下文和全局依赖，理解五种经典视觉特征融合模块的差异与适用边界。

#计算机视觉#特征融合#目标检测#语义分割#FPN#BiFPN

2026/09/22

从重要性剪枝、相似度合并到可学习压缩率，理解视觉 token 压缩的位置、训练要求，以及 FLOPs 降低为何不等于推理同比加速。

#多模态#视觉Token#模型加速#ToMe#FastV#EViT#DiffRate

2026/09/22

从 OpenVLA、Octo 到 π0，理解动作量化、连续生成、动作分块，以及数据适配、微调和真实机器人部署中的关键边界。

#具身智能#VLA#OpenVLA#Octo#Flow Matching#机器人学习

2026/09/20

从视觉编码器到跨模态连接器，梳理图文预训练、视觉特征融合与语言模型对齐，并延伸到 VLA 的离散动作和连续动作生成。

#多模态模型#CLIP#SigLIP#DINOv2#Q-Former#VLA